腳本之家服務器常用軟件

快捷導航

使用OpenCV對車道進行實時檢測的實現(xiàn)示例代碼

更新時間：2020年06月19日 11:11:04 作者：cofisher

這篇文章主要介紹了使用OpenCV對車道進行實時檢測的實現(xiàn)示例代碼，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

項目介紹

下圖中的兩條線即為車道：

我們的任務就是通過 OpenCV 在一段視頻（或攝像頭）中實時檢測出車道并將其標記出來。其效果如下圖所示：

這里使用的代碼來源于磐懟懟大神，此文章旨在對其代碼進行解釋。

實現(xiàn)步驟

1、將視頻的所有幀讀取為圖片；

2、創(chuàng)建掩碼并應用到這些圖片上；

3、圖像閾值化；

4、用霍夫線變換檢測車道；

5、將車道畫到每張圖片上；

6、將所有圖片合并為視頻。

代碼實現(xiàn)

1、導入需要的庫

import os
import re
import cv2
import numpy as np
from tqdm import notebook
import matplotlib.pyplot as plt

其中 tqdm.notebook 是用來顯示進度條的。

2、將圖片（視頻的每一幀）加載進來

這里我們已經(jīng)將視頻的每一幀讀取為圖片了，并將它們都放進 frames 文件夾。

# 獲取幀的文件名
col_frames = os.listdir('frames/') # 讀取 frames 文件夾下的所有圖片
col_frames.sort(key=lambda f: int(re.sub('\D', '', f))) # 按名稱對圖片進行排序

# 加載幀
col_images=[]
for i in notebook.tqdm(col_frames):
  img = cv2.imread('frames/'+i)
  col_images.append(img) # 將所有圖片添加進 col_images 列表

3、選擇一張圖片進行處理

3.1 選定一張圖片

# 指定一個索引
idx = 457

# plot frame
plt.figure(figsize=(10,10))
plt.imshow(col_images[idx][:,:,0], cmap= "gray")
plt.show()

3.2 創(chuàng)建掩碼

# 創(chuàng)建0矩陣
stencil = np.zeros_like(col_images[idx][:,:,0])

# 指定多邊形的坐標
polygon = np.array([[50,270], [220,160], [360,160], [480,270]])

# 用1填充多邊形
cv2.fillConvexPoly(stencil, polygon, 1)

# 畫出多邊形
plt.figure(figsize=(10,10))
plt.imshow(stencil, cmap= "gray")
plt.show()

3.3 將掩碼應用到圖片上

# 應用該多邊形作為掩碼
img = cv2.bitwise_and(col_images[idx][:,:,0], col_images[idx][:,:,0], mask=stencil)

# 畫出掩碼后的圖片
plt.figure(figsize=(10,10))
plt.imshow(img, cmap= "gray")
plt.show()

這里的按位與操作 cv2.bitwise_and() 可以參考OpenCV 之按位運算舉例解析一文。

3.4 圖像閾值化

# 應用圖像閾值化
ret, thresh = cv2.threshold(img, 130, 145, cv2.THRESH_BINARY)

# 畫出圖像
plt.figure(figsize=(10,10))
plt.imshow(thresh, cmap= "gray")
plt.show()

其中 cv2.threshold 函數(shù)的用法可以參考Opencv之圖像閾值一文。

3.5 霍夫線變換檢測車道

lines = cv2.HoughLinesP(thresh, 1.0, np.pi/180, 30, maxLineGap=200)

# 創(chuàng)建原始幀的副本
dmy = col_images[idx][:,:,0].copy()

# 霍夫線
for line in lines:
  x1, y1, x2, y2 = line[0] # 提取出霍夫線的坐標
  cv2.line(dmy, (x1, y1), (x2, y2), (255, 0, 0), 3) # 將霍夫線畫在幀上

# 畫出幀
plt.figure(figsize=(10,10))
plt.imshow(dmy, cmap= "gray")
plt.show()

cv2.HoughLinesP() 函數(shù)介紹：

lines = HoughLinesP(image, rho, theta, threshold, minLineLength=None, maxLineGap=None)

輸入：

image：必須是二值圖像；
rho: 線段以像素為單位的距離精度，double類型的，推薦用1.0
theta：線段以弧度為單位的角度精度，推薦用numpy.pi/180
threshod: 累加平面的閾值參數(shù)，int類型，超過設定閾值才被檢測出線段，值越大，基本上意味著檢出的線段越長，檢出的線段個數(shù)越少。
minLineLength：線段以像素為單位的最小長度。
maxLineGap：同一方向上兩條線段判定為一條線段的最大允許間隔，超過了設定值，則把兩條線段當成一條線段。

輸出：

lines：一個三維矩陣，其形狀符合 (m, 1, n)，其中 m 表示直線個數(shù)，n 表示每條直線的兩端坐標。

4、對每張圖片進行上一步驟的處理后寫入視頻

4.1 定義視頻格式

# 輸出視頻路徑
pathOut = 'roads_v2.mp4'

# 視頻每秒的幀數(shù)
fps = 30.0

# 視頻中每一幀的尺寸
height, width = img.shape
size = (width,height)

# 寫入視頻
out = cv2.VideoWriter(pathOut,cv2.VideoWriter_fourcc(*'DIVX'), fps, size)

4.2 處理所有圖片并寫入視頻文件

for img in notebook.tqdm(col_images):

  # 應用幀掩碼
  masked = cv2.bitwise_and(img[:,:,0], img[:,:,0], mask=stencil)

  # 應用圖像閾值化
  ret, thresh = cv2.threshold(masked, 130, 145, cv2.THRESH_BINARY)

  # 應用霍夫線變換
  lines = cv2.HoughLinesP(thresh, 1, np.pi/180, 30, maxLineGap=200)
  dmy = img.copy()

  #畫出檢測到的線
  try:
    for line in lines:
      x1, y1, x2, y2 = line[0]
      cv2.line(dmy, (x1, y1), (x2, y2), (255, 0, 0), 3)

    out.write(dmy)

  except TypeError: 
    out.write(img)

out.release()

完整代碼

import os
import re
import cv2
import numpy as np
from tqdm import notebook
import matplotlib.pyplot as plt

col_frames = os.listdir('frames/')
col_frames.sort(key=lambda f: int(re.sub('\D', '', f)))

col_images=[]
for i in notebook.tqdm(col_frames):
  img = cv2.imread('frames/'+i)
  col_images.append(img)

stencil = np.zeros_like(col_images[0][:,:,0])
polygon = np.array([[50,270], [220,160], [360,160], [480,270]])
cv2.fillConvexPoly(stencil, polygon, 1)

pathOut = 'roads_v2.mp4'

fps = 30.0

height, width = img.shape
size = (width,height)

out = cv2.VideoWriter(pathOut,cv2.VideoWriter_fourcc(*'DIVX'), fps, size)

for img in notebook.tqdm(col_images):

  masked = cv2.bitwise_and(img[:,:,0], img[:,:,0], mask=stencil)

  ret, thresh = cv2.threshold(masked, 130, 145, cv2.THRESH_BINARY)

  lines = cv2.HoughLinesP(thresh, 1, np.pi/180, 30, maxLineGap=200)
  dmy = img.copy()

  try:
    for line in lines:
      x1, y1, x2, y2 = line[0]
      cv2.line(dmy, (x1, y1), (x2, y2), (255, 0, 0), 3)

    out.write(dmy)

  except TypeError: 
    out.write(img)

out.release()

到此這篇關于使用OpenCV對車道進行實時檢測的實現(xiàn)示例代碼的文章就介紹到這了,更多相關OpenCV 車道實時檢測內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: